利用 络爬虫获取简单信息的基本步骤是：提取 页源码——>筛选内容——>保存内容
一、提取 页源码
取 页源码方法很多，常用的库有：urllib库，requests库等。。。 具体的例程可访问我的上篇文件：
https://blog.csdn.net/scx2006114/article/details/81389331
二、筛选内容
在我的上篇文章里使用的筛选的方法是通过正则表达式完成，但正则表达式编写过程复杂，而且容易出错。在此篇文章中我向大家替换的方法，主要是应用库来代替正则表达式。
①使用 XPath
②使用 Beautiful Soup
③使用 pyquery
这三种库具体的介绍和使用教程可阅读《Python 3 络爬虫开发实战 ,崔庆才著》（文末附书本下载链接）。我以Beautiful Soup库为例，实战爬取 页内容。
环境：python3.65 pycharm软件
思路：提取 页的源码—>筛选源码—>输出结果（保持文件）
首先我们先来看看简书 页的源码：
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！